- 博客(6)
- 收藏
- 关注
RSS订阅原创 实验六——图像检索
一、视觉单词模型视觉词袋（BoVW，Bag of Visual Words）模型，是“词袋”（BoW，Bag of Words）模型从自然语言处理与分析领域向图像处理与分析领域的一次自然推广。对于任意一幅图像，BoVW模型提取该图像中的基本元素，并统计该图像中这些基本元素出现的频率，用直方图的形式来表示。通常使用“图像局部特征”来类比BoW模型中的单词，如SIFT、SURF、HOG等特征，所以也称视觉词袋模型。图像BoVW模型表示的直观示意图如图所示。二、步骤Step 1：图像局部特征提取（Image
2021-06-06 22:52:02
550
1
原创 实验五——相机标定
实验五——相机标定一、标定方法简单的相机标定方法二、相机标定1.实验数据：2.实验代码：3.实验结果：一、标定方法这里我们将要介绍一个简单的照相机标定方法。简单的相机标定方法这里我们将要介绍一个简单的照相机标定方法。1.测量你选定矩形标定物体的边长dX和dY2.将照相机和标定物体放置在平面上，使得照相机的背面和标定物体平行，同时物体将位于照相机图像视图中心，你可能需要调整照相机或者物体来获得良好的对齐效果3.测量标定物体到照相机的距离dZ4.拍摄一副图像来检验该设置是否正确，即标定物体的边要
2021-05-23 15:09:50
848
原创 实验四 图像拼接
图像拼接创建全景图图像拼接图像拼接from numpy import *from matplotlib.pyplot import *from PIL import Imageimport warpimport homographyfrom PCV.localdescriptors import siftfeatname = ['D:/pythonProject/img/' + str(i + 1) + '.sift' for i in range(5)]imname = ['D:/py
2021-04-25 23:11:00
115
原创 实验三 图像到图像的映射
图像到图像的映射映射变换一、单应性变换二、直接线性变换三、仿射变换图像扭曲一、 图像中的图像二、完全仿射扭曲三、分段仿射扭曲映射变换一、单应性变换单应性变换时将一个平面内的点映射到另一个平面内的二维投影变换。在这里，平面是指图像或者三维中的平面表面。本质上，单应性变换H，按照下面的方程映射二维中的点（齐次坐标意义下）：def normallize(points): """在齐次坐标意义下，对点集进行归一化，是最后一行为1""" for row in points:
2021-04-11 21:41:59
130
原创 实验二 python 匹配地理标记图像
python匹配地理标记图像一、Harris算法1.Harris角点检测结果分析2.Harris在图像间寻找对应点结果分析二、Sift算法1.特征点匹配结果分析2.Sift在图像间寻找对应点结果分析三、地理标记图像匹配结果分析一、Harris算法1.Harris角点检测首先我们先看一下harris的角点检测，该算法的主要思想是，如果像素周围显示存在多于一个方向的边，我们认为该点为兴趣点。该点就称为角点。Harris角点检测器仅仅能够检测出图像中的兴趣点，但没有给出通过比较图像间的兴趣点来寻找匹配角点的
2021-03-28 19:54:36
295
原创 实验一 python+cv 直方图，高斯滤波，直方图均衡化
python+cv 直方图，高斯滤波，直方图均衡化原图直方图原理绘制直方图和图片轮廓直方图均衡化实现直方图均衡化高斯滤波高斯滤波实现原图直方图原理灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计。灰度直方图是将数字图像中的所有像素，按照灰度值的大小，统计其出现的频率。灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中某种灰度出现的频率。绘制直方图和图片轮廓from PIL import Imagefrom pylab import *# 添加中文字
2021-03-08 22:22:10
301
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人